Numpy zeros_like() 函数

Numpy zeros_like() 函数用于创建一个新的 Numpy 数组，其形状和类型与现有数组相同，但填充了零。这对于初始化特定形状的数组(无需手动定义维度)非常有用。

语法

以下是 Numpy zeros_like() 函数的语法 -

numpy.zeros_like(arr, dtype=None, order='K', subok=True, shape=None)

参数

以下是 Numpy zeros_like() 函数的参数 -

• arr:数组，其形状和类型定义输出数组的形状和类型。
• dtype:返回数组所需的数据类型。如果为 None，则使用 a 的数据类型。
• subok:如果为 True，则新创建的数组将使用 a 的子类类型。
• shape:覆盖结果的形状。
• order(可选):指定数组的内存布局。如果对象不是数组，则新创建的数组将按 C 语言顺序(行优先)排列，除非指定了 F 顺序，在这种情况下，它将按 Fortran 顺序(列优先)排列 -
• 'C':C 风格的行优先顺序。
• 'F':Fortran 风格的列优先顺序。
• 'A':如果输入是 Fortran 连续的，则为 'F'，否则为 'C'。
• 'K':这是默认值，使顺序尽可能接近输入。

返回值

此函数返回一个由零组成的数组，其形状和类型与输入数组相同。

示例

以下是创建 numpy 数组的基本示例，该数组包含使用 Numpy zeros_like() 函数，将零元素转换为与现有数组形状相同的元素 -

import numpy as np
Numpy_Array = np.array([[1, 2, 3], [4, 5, 6]])
zeros_array = np.zeros_like(Numpy_Array)
print("Numpy 零元素数组 -
", zeros_array)

输出

以下是上述代码的输出:

Numpy 零元素数组 -
[[0 0 0]
[0 0 0]]

示例:指定数据类型

我们可以指定数据类型使用 dtype 参数的零数组。例如，如果我们需要浮点数据类型，则需要将 dtype 参数设置为 'float'。

浮点数据类型数组

在以下示例中，零值数组的指定数据类型为 float32 -

import numpy as np
array_b = np.array([[7, 8, 9], [10, 11, 12]], dtype=np.int32)
zeros_array_float = np.zeros_like(array_b, dtype=np.float32)
print("Numpy 浮点数据类型零值数组 -
", zeros_array_float)

输出

以下是上述代码的输出代码:

Numpy 浮点型零值数组 -
[[0. 0. 0.]
[0. 0. 0.]]

字符串数据类型数组

当我们使用 numpy.zeros_like() 创建字符串数据类型数组时，它会将现有数组的每个值替换为空字符串 ('') -

import numpy as np
array_b = np.array([[7, 8, 9], [10, 11, 12]], dtype=np.int32)
zeros_array_string = np.zeros_like(array_b, dtype=np.str_)
print("Numpy 字符串数据类型的零值数组 -
", zeros_array_string)

输出

以下是上述代码的输出代码:

Numpy 字符串数据类型的零值数组 -
[['' '' '']
['' '' '']]

示例:多维数组

numpy.zeros_like() 函数可用于创建一个由零填充的数组，其形状和类型与现有多维数组匹配。这对于初始化与引用数组具有相同维度和数据类型的数组非常有用。

在本例中，我们创建一个由零元素组成的三维数组，其形状为 3x3x3 数组 -

import numpy as np
my_array = np.ones((3, 3, 3))
zeros_3d_array = np.zeros_like(my_array)
print("3D Numpy 零元素数组 -
", zeros_3d_array)

输出

3D Numpy 零元素数组 -
[[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]

[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]

[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]]

numpy_array_creation_routines.html